Abstract Cyclists are overrepresented among motor vehicle crash  fatalities. Detailed  information  regarding 

common  cyclist  crash  scenarios  and  relevant  crash  factors  is  crucial  to  the development of  cyclist detection 

warning and crash avoidance systems that could prevent these crashes and fatalities. Motor vehicle‐cyclist crash 

data  from  federally maintained national databases were used  to  identify  common  and  fatal  crash  scenarios 

between cyclists and motor vehicles. The most common  fatal crash modes  involved  the motor vehicle‐cyclist 

movement combinations straight‐in line, straight‐crossing, and straight‐against. The most common crash modes 

involved  the  movement  combinations  straight‐crossing,  turning‐crossing,  and  turning‐in  line.  Crashes  that 

occurred  in non‐daylight conditions and on roads with speed  limits of 40 mi/h and greater contributed to the 

greatest percentage of fatalities. Cyclist detection systems that function at high speeds and in both daylight and 

non‐daylight  conditions  offer  the  greatest  potential  benefit.  Effective  cyclist  detection  systems  designed  to 

function  in scenarios  like the three common fatal crash modes and two additional most common crash modes 

could help mitigate or prevent up to 47% of crashes, 48% of injuries, and 54% of fatalities, potentially saving up 

to 363 lives annually. 

 Keywords Bicyclist, cyclist detection, crash avoidance, vulnerable road users 

I. INTRODUCTION 

In  recent years, motor vehicle‐cyclist crash  fatalities have begun  to  increase  in  the United States,  following 

decades of decline  since  the all‐time high of 1,003  cyclist deaths  in 1975  [1]. The 682  cyclist deaths  in 2011 

represented a 10%  increase  from 2010, and 2012  saw an additional 6%  increase  to 722  cyclist  fatalities  [2]. 

Although  the approximately 700 cyclists who are killed each year  in crashes with motor vehicles  represent a 

small fraction of the total annual motor vehicle crash deaths, cyclists are disproportionately likely to be fatally 

injured. Barely 1% of person  road  trips are attributed  to cyclists, but  these riders account  for 2% of roadway 

fatalities  [3]. Cyclists are  required  to  follow  the  same  regulations and  traffic patterns as motor vehicles with 

little  to none of  the protection afforded  to motor vehicle occupants. Cyclist protection becomes  increasingly 

important as urban areas make efforts  to  reduce environmental and  traffic concerns by promoting cycling as 

primary means of transportation. 

Historically, efforts to improve cyclist safety have emphasized helmet use and adherence to riding regulations. 

Infrastructure  can  also  have  a  substantial  effect  on  cyclist  safety.  Studies  have  shown  that  cyclist‐specific 

facilities  like  roundabouts  and bike  lanes  engineered with  an  emphasis on  cyclist  safety  reduce  crashes  and 

injuries to cyclists [4]. Other  improvements  including adequate street  lighting, paved surfaces, and  low‐angled 

road grades are beneficial to cyclist safety [4]. 

While  improvements to the road environment reduce the risk to cyclists, changes to the vehicles navigating 

the roadways can also help. The percentage of the passenger vehicle fleet with new collision warning and crash 

avoidance technologies is growing relatively quickly. Crash warning and avoidance systems already make use of 

different  types  of  sensor  technologies  including  camera‐based  systems,  night  vision  technology,  radar,  and 

LIDAR  systems  [5].  Each  of  these  sensor  technologies  has  its  own  strengths  and weaknesses.  For  example, 

camera  systems  require  sufficient  ambient  light  to  perform  well,  while  radar  and  LIDAR  systems  can  be 

adversely affected by even  small amounts of precipitation. Each  type of  system has  its own effective  range, 

which has  great bearing on warning  and  intervention  timing.  The development of  effective  cyclist detection 

systems must take into account the different strengths and limitations of each sensor technology as they apply 

Anna MacAlister  is a research engineer and David S. Zuby  is the Executive Vice President and Chief Research Officer for the  Insurance Institute for Highway Safety 1005 North Glebe Road, Arlington, VA 22201, United States. (Corresponding author. tel.: 1 434 985 4600; fax: 1 434 985 2202; e‐mail: AMacAlister@iihs.org ).

Cyclist Crash Scenarios and Factors Relevant to the Design of Cyclist Detection Systems 

Anna MacAlister, David S. Zuby 

IRC-15-50 IRCOBI Conference 2015

- 373 -

to different crash scenarios. 

The European New Car Assessment Programme  (Euro NCAP) has recently taken steps towards reducing the 

number of pedestrian and cyclist deaths  in Europe  [6]. Vulnerable  road users  (VRU), a category  that  includes 

pedestrians and cyclists, account  for approximately half of all deaths on EU‐27 roadways  [6]. For  this reason, 

Euro NCAP plans to develop protocols for testing pedestrian and cyclist detection and adopt testing procedures 

for  autonomous  emergency  braking  VRU  systems  no  later  than  2018  [6].  A  recent  study  of German  cyclist 

crashes found that the three most common motor vehicle‐cyclist crash scenarios all occur when a cyclist crosses 

the path of a motor vehicle, either  from  the right while the motor vehicle travels straight or executes a right 

hand turn, or from the left as the motor vehicle travels straight [7]. While these data will certainly influence the 

development of cyclist detection systems for the European market, an understanding of the most common and 

most severe cyclist crash modes in the United States is necessary to the development of broadly applicable and 

effective cyclist detection systems. Given the different infrastructures, driving patterns, vehicle types, and cyclist 

cultures of Europe and the United States, it is not necessarily a valid assumption that the technologies that will 

produce the largest effect in one market will be equally beneficial in the other. The design and implementation 

of cyclist detection, collision warning, and crash avoidance systems must be guided by relevant data regarding 

the most common, fatal, and preventable crash modes. 

II. METHODS 

Motor vehicle‐cyclist crash data from federally maintained national databases were used to identify common 

and  fatal  crash  scenarios  between  cyclists  and motor  vehicles,  similar  to  a  2011  study  conducted  by  the 

Insurance Institute for Highway Safety evaluating pedestrian crash scenarios [8]. Crash scenarios were defined 

by seven factors that describe the paths of the cyclist and motor vehicle, as well as external factors related to 

the crash with implications for collision warning and avoidance systems. The selected factors may affect sensor 

type selection and the ability of detection systems to accurately identify cyclists in a time frame that allows for 

driver or automated intervention to prevent a collision from occurring. Information describing the motion of a 

cyclist relative to the vehicle can help identify sensor ranges and fields of view, as well as help define the logic 

needed  to develop algorithms  that estimate  crash  risk. Obstruction of driver view  is used as a proxy  for  the 

possibility  that detection sensors may not have a clear view of a cyclist. Light condition provides  information 

regarding  the ability of  light‐dependent  sensors  in detecting cyclists. Speed  limit, used as a proxy  for vehicle 

speed, affects the necessary distance range of sensing technologies, as well as the time to collision and timing of 

warnings and  interventions. Cyclist age  is used as a proxy  for  cyclist  size, an  important variable  in detection 

algorithms. Weather conditions, particularly precipitation and other particulate (blowing sand, etc.), affect the 

ability of the vehicle to brake, either autonomously or through driver intervention, as well as the time needed to 

apply an intervention. Driver braking affects the design of systems intended to autonomously brake or support 

and enhance driver avoidance maneuvers. 

Data were extracted  from  two national crash databases maintained by  the National Highway Traffic Safety 

Administration  (NHTSA)  in  the  United  States.  The  National  Automotive  Sampling  System  General  Estimates 

System (NASS GES) is a nationally representative sample of police‐reported motor vehicle crashes that occur on 

public  roads. The cases are weighted by  the  inverse of  their selection probability  to provide a sample  that  is 

representative of approximately 6 million annual motor vehicle crashes nationwide. While NASS GES weights 

can be used  to estimate  fatal crash counts,  information about  these crashes was extracted  from  the Fatality 

Analysis Reporting System (FARS). FARS  is a census of motor vehicle crashes  in which at  least one occupant or 

other involved person was fatally injured and died within 30 days of the crash. 

All person‐level records for cyclists  in the 2008‐2012 NASS GES and FARS files were extracted and combined 

with their corresponding crash‐level records. For crashes involving a single motor vehicle, the cyclist and crash 

data were again merged with  the corresponding driver and vehicle records. Crashes  involving more  than one 

motor vehicle were not included in the study to restrict the analysis to primary motor vehicle‐cyclist crashes and 

eliminate  the  confounding  factors  that  could  be  introduced when  a  cyclist  crash  occurred  as  a  result  of  a 

previous  vehicle‐vehicle  crash.  NASS  GES  cases  were  weighted  by  their  case  weights  to  produce  national 

estimates of motor vehicle‐cyclist crash incidences. 

Crashes  involving  the  front  of  the  vehicle were  further  analyzed  to  isolate  the  effects of  crash  factors on 

scenarios that could be preventable with a cyclist detection algorithm. Cyclist crashes were classified according 

IRC-15-50 IRCOBI Conference 2015

- 374 -

to the seven primary accident factors (Table 1). 

TABLE 1  CLASSIFICATION OF CYCLIST AND VEHICLE MOVEMENT, DRIVER VIEW OBSTRUCTION, LIGHT CONDITIONS, INCLEMENT WEATHER, 

CYCLIST AGE, SPEED LIMIT, AND VEHICLE BRAKING USING NASS GES AND FARS RECORDS, 2008‐2012 

  NASS GES  FARS 

Cyclist movement     

Cyclist in‐line with traffic  PED_ACC = 13, 15‐17, 22‐24, 

27, 35, 39, 61, 62 

OR 

MPR_ACT = 5 

LOCATION = 11‐13, 15, 16 

AND 

P_CF1‐3 ≠ 3, 47‐50 

OR 

MPR_ACT = 5 

Cyclist against traffic  PED_ACC = 26, 30 

OR 

MPR_ACT = 6 

P_CF1‐3 = 49, 50 

OR 

MPR_ACT = 6 

Cyclist crossing traffic  PED_ACC = 1, 2, 4‐10, 12, 18, 19, 21, 

25, 31‐34, 48, 49, 50, 55, 60, 90 

OR 

MPR_ACT = 3 

P_CF1‐3 = 3, 47, 48 

OR 

MPR_ACT = 3 

Vehicle movement     

Vehicle traveling straight  P_CRASH1 = 1‐4, 6, 14‐16  VEH_MAN = 1‐5, 9, 16, 17 

OR 

P_CRASH1 = 1‐4, 6, 14‐16 

Vehicle turning  P_CRASH1 = 10‐12  VEH_MAN = 10‐14 

OR 

P_CRASH1 = 10‐12 

Driver view obstruction reported  VIS_OBSC = 1‐15, 97, 98 

OR 

MVISOBSC = 1‐14, 97, 98 

DR_CF1‐4 = 61‐76 

OR 

MVISOBSC = 1‐14, 97, 98 

Non‐daylight conditions  LGHT_CON = 2‐5 

OR 

LGT_COND = 2‐6 

LIGHT = 2‐6 

OR 

LGT_COND = 2‐6 

Inclement weather  WEATHER = 2‐8, 10, 11 

OR 

WEATHER1‐2 = 2‐8, 10, 11 

WEATHER = 2‐8, 10, 11 

OR 

WEATHER1‐2 = 2‐8, 10, 11 

Cyclist age 12 years or younger  AGE = 0‐12  AGE = 0‐12 

Speed limit less than 40 mi/h  SPD_LIM = 1‐39 

OR 

VSPD_LIM = 1‐39 

SP_LIMIT = 1‐39 

OR 

VSPD_LIM = 1‐39 

Vehicle braking reported  IMPACT1 = 1, 11, 12, 21, 31, 32 

AND 

P_CRASH3 = 2‐5, 8, 9 

IMPACT1 = 1, 11, 12 

AND 

P_CRASH3 = 2‐5, 8, 9 

Cyclist  movement  was  classified  as  in‐line  with  traffic,  against  traffic,  or  crossing  traffic.  Motor  vehicle 

movement  prior  to  the  crash  was  classified  as  traveling  straight  or  turning.  Six  movement  combinations 

obtained using the three cyclist movement types and two vehicle movement types were used to classify crash 

IRC-15-50 IRCOBI Conference 2015

- 375 -

scenarios  (Figure 1). Cases  that occurred  in non‐daylight  conditions or during  inclement weather,  as well  as 

cases  in which  the driver’s view was obstructed, were  identified using variables  coded within each database 

(Table1).  

 

Fig. 1 Depictions of motor vehicle and  cyclist movement  combinations  for  crash  scenarios  (a) vehicle moving 

straight and cyclist traveling in line with traffic, (b) vehicle moving straight and cyclist crossing traffic, (c) vehicle 

moving straight and cyclist moving against traffic,  (d) vehicle turning and cyclist moving  in  line with traffic,  (e) 

vehicle turning and cyclist crossing traffic, and (f) vehicle turning and cyclist moving against traffic. 

III. RESULTS 

From 2008 to 2012, there were 7,835 cyclist records in NASS GES, representing approximately 275,000 cyclists 

with  case weights  applied  and  rounded  to  the nearest  thousand. During  the  same  time  frame, 3,367  cyclist 

fatalities were documented  in FARS. During  this 5‐year period, an average of 55,000 cyclists were  involved  in 

police‐reported motor vehicle crashes each year, and an average of 673 cyclists per year sustained fatal injuries 

in motor vehicle crashes. Cyclist crashes involving a single motor vehicle accounted for 99% of all cyclist motor 

vehicle crashes and 95% of cyclist fatalities for a total of 274,000 cyclist‐motor vehicle crashes and 3,201 deaths 

during  the  5‐year  study  period.  The  distribution  of  cyclist  crashes,  injuries,  and  fatalities by  various  vehicle, 

environmental, and cyclist characteristics are shown in Table 2.  

Front impacts to single passenger vehicles 

During the 5‐year study period, cyclist crashes  involving the front of a passenger vehicle accounted for 63% 

(172,000) of all single motor vehicle cyclist crashes and 74% (2,363) of fatal cyclist crashes. The distribution of 

cyclist crashes, injuries, and fatalities by vehicle, environmental, and cyclist characteristics for crashes involving 

the  fronts of passenger vehicles are  shown  in Table 3. Sixty‐four percent of passenger vehicle‐cyclist crashes 

with the front of the vehicle occurred on roads with speed  limits of  less than 40 mi/h, while only 35% of fatal 

crashes occurred on roads with the same speed limits. Twenty‐three percent of cyclist crashes and 50% of fatal 

crashes occurred during non‐daylight conditions.  Inclement weather was present  in 11% of all cyclist crashes 

and 13% of fatal cyclist crashes. Children 12 and younger accounted for 12% of cyclist crashes but only 7% of 

cyclist fatalities. 

IRC-15-50 IRCOBI Conference 2015

- 376 -

TABLE 2 PERCENT DISTRIBUTION OF CYCLISTS IN SINGLE‐VEHICLE CRASHES BY  

VEHICLE, ENVIRONMENT, AND CYCLIST CHARACTERISTICS, 2008‐2012 

All cyclists

N=274,000

Injured cyclists

N=147,000

Fatally injured cyclists

N=3201

Vehicle type 

Passenger vehicle  97.6 97.3 83.0

Heavy truck or bus  1.7 2.1 11.1

Motorcycle  0.7 0.6 0.9

Other or unknown  0.0 0.6 5.1

Point of initial impact on vehicle 

Front  63.8 64.3 83.6

Right  22.9 23.0 7.0

Left  9.0 9.2 2.8

Rear  4.1 3.4 2.1

Other or unknown  0.3 0.1 4.5

Speed limit 

No limit  6.7 7.1 0.0

<30  30.3 30.6 10.6

30‐39  32.9 34.1 27.1

40‐49  11.8 13.2 30.6

>49  3.8 3.1 26.6

Unknown  14.6 11.9 5.0

Light condition 

Daylight or unknown  77.9 79.0 53.2

Dark  3.6 4.1 20.0

Dark but lighted  13.6 13.2 21.3

Dawn/dusk  4.8 3.8 5.5

Inclement weather  11.4 11.3 13.1

Cyclist age 

<6  0.7 0.8 0.9

6‐12  10.5 11.3 5.6

13‐17  16.0 15.1 7.0

18‐64  68.4 68.5 74.4

>64  4.4 4.2 12.1

Unknown  0.0 0.0 0.0

Male cyclists  79.1 79.0 86.8

Cyclist location 

Intersection  35.3 33.5 32.1

Roadway, non‐intersection  31.7 31.6 60.9

Dedicated bike lane*  1.4 1.7 1.4

Unknown  31.6 33.2 5.6

Cyclist wearing helmet  16.5 18.4 12.8

*Prior to 2010, information on dedicated bike lanes was not available in the NASS GES and FARS databases. 

IRC-15-50 IRCOBI Conference 2015

- 377 -

TABLE 3 PERCENT DISTRIBUTION OF CYCLISTS IN SINGLE‐VEHICLE CRASHES INVOLVING FRONTS OF 

PASSENGER VEHICLES BY VEHICLE, ENVIRONMENT, AND CYCLIST CHARACTERISTICS, 2008‐2012 

All cyclists

N=172,000

Injured cyclists

N=93,000

Fatally injured cyclists

N=2363

Speed limit (mi/h) 

No limit  8.1 8.1 0.0

<30  30.4 31.7 9.4

30‐39  33.1 32.7 25.1

40‐49  11.3 13.8 32.8

>49  3.3 2.6 29.1

Unknown  13.8 11.2 3.6

Light condition 

Daylight or unknown  76.5 76.7 49.9

Dark  3.9 4.7 22.4

Dark but lighted  14.7 14.7 22.6

Dawn/dusk  4.8 3.9 5.2

Inclement weather  11.4 11.6 13.2

Cyclist age 

<6  0.9 1.0 0.6

6‐12  11.3 12.2 5.9

13‐17  17.7 15.9 7.5

18‐64  65.6 66.4 74.0

>64  4.5 4.5 11.9

Unknown  0.0 0.0 0.0

Male cyclists  78.2 78.2 87.5

Cyclist location 

Intersection  35.1 33.4 30.3

Roadway, non‐intersection  27.8 26.9 63.1

Dedicated bike lane*  0.8 1.0 1.5

Unknown  36.3 38.6 5.2

Cyclist wearing helmet  13.6 14.8 12.8

Vehicle movement 

Traveling straight  50.1 50.6 93.3

Turning  44.0 44.9 6.1

Other or Unknown  5.9 4.4 0.6

Cyclist movement 

Crossing traffic  54.2 54.1 24.1

Moving in‐line with traffic  20.8 23.2 47.0

Moving against traffic  6.7 5.5 6.7

Other or unknown  18.3 17.2 22.3

Driver view obstruction reported  9.1 10.2 6.0

Vehicle braking reported  6.3 7.0 10.4

*Prior to 2010, information on dedicated bike lanes was not available in the NASS GES and FARS databases. 

IRC-15-50 IRCOBI Conference 2015

- 378 -

Seventy‐eight percent of cyclists involved in crashes and 88% of cyclists fatally injured in crashes were male. 

The majority of fatal cyclist crashes (63%) occurred on roadways outside of intersections, where only 28% of all 

crashes occurred. Fourteen percent of  cyclists  involved  in a  crash were  reported  to be wearing a helmet, as 

were 13% of fatally injured cyclists. About half of all vehicle‐cyclist crashes involved a vehicle traveling straight. 

The same vehicle movement was present in 93% of fatal vehicle‐cyclist crashes. While half of all cyclist crashes 

occurred when the cyclist was crossing traffic, less than a quarter of all fatalities occurred when cyclists crossed 

traffic.  In 9% of  vehicle‐cyclist  crashes  and 6% of  fatal  crashes,  the driver’s  view was  reportedly obstructed. 

Vehicle braking was reported in 6% of all cyclist crashes and 10% of fatal crashes. 

Crash modes and movement combinations 

Cyclist and vehicle movement combinations are presented  in Table 4. The three crash modes  leading to the 

most  fatalities  involved  the  following  motor  vehicle‐cyclist  movement  combinations:  straight‐in‐line  (1072 

fatalities), straight‐crossing (530 fatalities), and straight‐against (139 fatalities). The most common crash mode 

involved  the  same  vehicle‐cyclist  movement  combination  as  the  second  most  fatal  crash  mode,  straight‐

crossing, accounting  for 50,000 crashes. The next most common crash modes  involved  the  following vehicle‐

cyclist movement combinations: turning‐crossing (39,000 crashes) and turning‐in‐line (18,000 crashes). Crashes 

that  produced  injuries,  but  not  fatalities,  followed  the  same  vehicle‐cyclist movement  patterns  as  all  cyclist 

crash involvements. 

Crash factors 

Summaries of the  influence of crash factors for each of the three crash scenarios that result  in the greatest 

numbers of fatalities are presented in Tables 5 and 6. Sixteen percent of involved cyclists were children ages 12 

and younger, but only 6% of fatal crashes  involved children of this age group. Twenty‐nine percent of cyclists 

involved  in the three most common fatal crash scenarios crashed  in nighttime conditions, whereas more than 

half of fatal crashes were at night.  Inclement weather was a factor  in 13% of all crashes, with 14% of all fatal 

crashes occurring  in  these  scenarios. Driver view obstruction was  reported  in 9% of  the  three most  frequent 

fatal crash  scenarios and 6% of  fatal crashes  included  these  types. Two‐thirds  (67%) of cyclist crashes of  the 

three common fatal crash modes occurred on roads with speed limits of less than 40 mi/h, while less than one‐

third (30%) of fatal crashes occurred on these roads. Sixty‐six percent of fatal crashes in these modes occurred 

on roads with speed limits of less than 50 mi/h. Lastly, vehicle braking was reported in 8% of crashes and 11% of 

fatal crashes. 

Summaries of the influence of crash factors for each of the three most common crash scenarios are presented 

in  Tables  7  and  8.  Thirteen  percent  of  cyclists  involved  in  the  three most  common motion  scenarios were 

children ages 12 and younger, but only 8% of fatal crashes in these scenarios involved children of this age group. 

Twenty‐four percent of the crashes in the most common scenarios occurred at night, as did approximately half 

of  fatal crashes.  Inclement weather was a  factor  in 11% of all common crashes and 15% of all  fatal common 

crashes. Driver  view  obstruction was  reported  in  8%  of  the most  common  crash  scenarios  and  7%  of  fatal 

crashes occurring  in these three scenarios. More than two‐thirds (69%) of common cyclist crashes and 42% of 

common crashes  leading  to cyclist  fatalities occurred on roads with speed  limits of  less than 40 mi/h. Finally, 

vehicle braking was reported in 7% of crashes and 16% of fatal crashes. 

Some  crash  scenarios  involved more  than one  crash  factor. Table 9  shows hierarchical distributions of  the 

number  of  crashes  and  fatalities  that  could  be  addressed  by  cyclist  detection,  collision warning,  and  crash 

avoidance  systems designed  to  take  into account each of  the crash  factors  for  the  three most common  fatal 

crash  scenarios and  two additional common crash  scenarios. During  the 5‐year  study period, 54% of all  fatal 

cyclist  crashes with  the  front  of  a  single  passenger  vehicle  occurred  in  the  three most  common  fatal  crash 

modes or the remaining two most common modes. These same five crash modes accounted for approximately 

74% of all cyclist crashes with the fronts of single passenger vehicles. 

IRC-15-50 IRCOBI Conference 2015

- 379 -

TABLE 4 

VEH

ICLE AND CYC

LIST M

OVEM

ENT COMBINATIONS FO

R CYC

LIST IN

VOLVEM

ENTS, INJURIES, AND 

DEA

THS IN SINGLE‐VEH

ICLE CRASH

ES W

ITH FRONTS OF PASSEN

GER

 VEH

ICLES, 2008‐2012 

 Cyclist movemen

t  

Crossing traffic

In‐line

Against

Other/unknown

Total 

Veh

icle m

ovemen

t All 

Injured

Fatal

All

Injured

Fatal

All

Injured

Fatal

All

Injured

Fatal

All

Injured Fatal 

Straight 

50000 

27000

530

16000

10000

1072

5000

2000

139

15000

7000

460

86000

47000 2205 

Turning 

39000 

21000

38

18000

11000

30

6000

2000

18

13000

7000

57

76000

42000 

143 

Other/unknown 

3000 

2000

12000

1000

81000

01

4000

1000

510000

4000 

15 

Total 

93000 

50000

569

36000

22000

1110

12000

5000

158

31000

16000

522

172000

93000 2363 

TA

BLE

 5 

CYC

LIST IN

VOLVEM

ENTS AND FATA

LITIES IN

 SINGLE‐VEH

ICLE CRASH

ES W

ITH FRONTS OF PASSEN

GER

 VEH

ICLES BY CYC

LIST AND  

ENVIRONMEN

T CRASH

 FACTO

RS FO

R THREE M

OST COMMON FATA

L CRASH

 SCEN

ARIOS WITH GREA

TEST NUMBER

 OF FA

TALITIES, 2008‐2012 

 To

tals

Children 12 and younger 

 Non‐daylight conditions

Inclem

ent weather

Veh

icle‐cyclist 

Involvem

ents

Fatalities

Involvem

ents

Fatalities 

 Involvem

ents

Fatalities

Involvem

ents

Fatalities

movemen

t N

NN (%)

N (%) 

 N (%)

N (%)

N (%)

N (%)

Straight‐in line 

16000

1072

1000 (7.7)

37 (3.5) 

 6000 (34.7)573 (53.5)

2000 (15.0)145 (13.5)

Straight‐crossing 

50000

530

10000 (19.7)

46 (8.7) 

 14000 (27.9)276 (52.1)

6000 (11.3)

80 (15.1)

Straight‐against 

5000

139

500 (9.8)

12 (8.6) 

 1000 (23.4)

75 (54.0)

1000 (17.8)

21 (15.1)

Total 

71000

1741

12000 (16.3)

95 (5.5) 

 21000 (29.2)924 (53.1)

9000 (12.6)246 (14.1)

TA

BLE 6 

CYC

LIST IN

VOLVEM

ENTS AND FATA

LITIES IN

 SINGLE‐VEH

ICLE CRASH

ES W

ITH FRONTS OF PASSEN

GER

 VEH

ICLES BY  

VEH

ICLE CRASH

 FACTO

RS FO

R THREE M

OST COMMON FATA

L CRASH

 SCEN

ARIOS WITH GREA

TEST NUMBER

 OF FA

TALITIES, 2008‐2012 

 To

tals

Driver view

 obstruction

Speed limit <40 m

i/h

Speed limit <50 m

i/h

Veh

icle braking 

Veh

icle‐cyclist 

Involvem

ents Fatalities

Involvem

ents

Fatalities

Involvem

ents Fatalities

Involvem

ents

Fatalities

Involvem

ents

Fatalities 

movemen

t N 

NN (%)

N (%)

N (%) 

N (%)

N (%)

N (%)

N (%)

N (%) 

Straight‐in line 

16000 

1072

1000 (6.8)

60 (5.6)

9000 (57.3) 277 (25.8)

13000 (77.0)

633 (59.0)

1000 (6.0)

77 (7.2) 

Straight‐crossing 

50000 

530

4000 (8.5)

36 (6.8)

36000 (71.0) 202 (38.1)

42000 (83.5)

423 (79.8)

4000 (7.7)

92 (17.4) 

Straight‐against 

5000 

139

1000 (13.1)

5 (3.6)

2000 (51.9) 

44 (31.7)

3000 (60.0)

84 (60.4)

1000 (16.8)

21 (15.1) 

Total 

71000 

1741

6000 (8.7)101 (5.8)

48000 (66.6) 523 (30.0)

57000 (80.5)1140 (65.5)

6000 (7.9)190 (10.9) 

IRC-15-50 IRCOBI Conference 2015

- 380 -

TABLE

 7  

CYC

LIST IN

VOLVEM

ENTS AND FATA

LITIES IN

 SINGLE‐VEH

ICLE CRASH

ES W

ITH FRONTS OF PASSEN

GER

 VEH

ICLES BY 

CYC

LIST AND ENVIRONMEN

T CRASH

 FACTO

RS FO

R THREE M

OST COMMON CRASH

 SCEN

ARIOS, 2008‐2012 

 To

tals

Children 12 and younger

 Non‐daylight conditions

Inclem

ent weather

Veh

icle‐cyclist 

Involvem

ents

Fatalities

Involvem

ents

Fatalities

 Involvem

ents

Fatalities

Involvem

ents

Fatalities

movemen

t N

NN (%)

N (%)

 N (%)

N (%)

N (%)

N (%)

Straight‐crossing 

50000

530

10000 (19.7)

46(8.7)

 14000 (27.9)

276 (52.1)

6000 (11.3)

80 (15.1)

Turning‐crossing 

39000

38

3000 (6.9)

3 (7.9)

 7000 (18.9)

12 (31.6)

4000 (9.9)

3 (7.9)

Turning‐in line 

18000

30

1000 (5.1)

1 (3.3)

 5000 (26.0)

7 (23.3)

2000 (9.9)

4 (13.8)

Total 

107000

598

14000 (13.1)

50 (8.4)

 26000 (24.3)

295 (49.3)

12000 (11.2)

87 (14.5)

TA

BLE 8  

CYC

LIST IN

VOLVEM

ENTS AND FATA

LITIES IN

 SINGLE‐VEH

ICLE CRASH

ES W

ITH FRONTS OF PASSEN

GER

 VEH

ICLES BY 

VEH

ICLE CRASH

 FACTO

RS FO

R THREE M

OST COMMON CRASH

 SCEN

ARIOS, 2008‐2012 

 To

tals

Driver view

 obstruction

Speed limit <40 m

i/h

Speed limit <50 m

i/h

Veh

icle braking 

Veh

icle‐cyclist 

Involvem

ents Fatalities

Involvem

ents

Fatalities

Involvem

ents Fatalities

Involvem

ents

Fatalities

Involvem

ents

Fatalities 

movemen

t N 

NN (%)

N (%)

N (%) 

N (%)

N (%)

N (%)

N (%)

N (%) 

Straight‐crossing 

50000 

530

4000 (8.5)

36(6.8)

36000 (71.0) 202 (38.1)

42000 (83.5)

423 (79.8)

4000 (7.7)

92 (17.4) 

Turning‐crossing 

39000 

38

2000 (6.1)

3 (5.3)

27000 (68.9) 

31 (81.6)

31000 (77.7)

34 (89.5)

2000 (3.8)

2 (5.3) 

Turning‐in line 

18000 

16

2000 (12.4)

6 (20.0)

11000 (64.2) 

17 (56.7)

14000 (77.1)

23 (76.7)

1000 (4.0)

1 (3.3) 

Total 

107000 

598

8000 (7.5)

44 (7.4)

74000 (69.2) 250 (41.8)

87000 (81.3)

480 (80.3)

7000 (6.5)

95 (15.9) 

IRC-15-50 IRCOBI Conference 2015

- 381 -

TABLE 9  CYCLIST INVOLVEMENTS, INJURIES, AND FATALITIES IN SINGLE‐VEHICLE CRASHES BY THREE MOST COMMON 

FATAL AND TWO ADDITIONAL MOST COMMON CRASH SCENARIOS THAT COULD BE ADDRESSED IF CYCLIST 

DETECTION SYSTEMS WERE ABLE TO FUNCTION IN NON‐DAYLIGHT CONDITIONS, AT SPEEDS GREATER THAN 40 MI/H, IN INCLEMENT WEATHER, AND WITH DRIVER VIEW OBSTRUCTION, 2008‐2012 

Cyclists involved 

Cyclists injured 

Cyclist fatalities

Vehicle traveling straight, cyclist moving in line 

Crashes addressed by base system 

Speed limit <40 mi/h, daylight, clear weather, no view obstruction  5000  3000  112

Potential crashes addressed     

Non‐daylight conditions and speed limit ≥40 mi/h  8000  6000  769

Inclement weather  2000  1000  131

Driver view obstruction  1000  1000  60

Subtotal for scenario  16000  10000  1072

Vehicle traveling straight, cyclist crossing     

Crashes addressed by base system     

Speed limit <40 mi/h, daylight, clear weather, no view obstruction  22000  12000  94

Potential crashes addressed     

Non‐daylight conditions and speed limit ≥40 mi/h  19000  10000  327

Inclement weather  5000  2000  73

Driver view obstruction  4000  3000  36

Subtotal for scenario  50000  27000  530

Vehicle traveling straight, cyclist moving against     

Crashes addressed by base system     

Speed limit <40 mi/h, daylight, clear weather, no view obstruction  1000  1000  20

Potential crashes addressed     

Non‐daylight conditions and speed limit ≥40 mi/h  2000  1000  94

Inclement weather  1000  1000  20

Driver view obstruction  1000  0  5

Subtotal for scenario  5000  2000  139

Vehicle turning, cyclist crossing     

Crashes addressed by base system     

Speed limit <40 mi/h, daylight, clear weather, no view obstruction  19000  10000  17

Potential crashes addressed     

Non‐daylight conditions and speed limit ≥40 mi/h  15000  8000  16

Inclement weather  4000  2000  3

Driver view obstruction  2000  2000  2

Subtotal for scenario  39000  21000  38

Vehicle turning, cyclist traveling in line     

Crashes addressed by base system     

Speed limit <40 mi/h, daylight, clear weather, no view obstruction  6000  4000  9

Potential crashes addressed     

Non‐daylight conditions and speed limit ≥40 mi/h  7000  4000  11

Inclement weather  2000  1000  4

Driver view obstruction  2000  1000  6

Subtotal for scenario  18000  11000  30

IRC-15-50 IRCOBI Conference 2015

- 382 -

IV. DISCUSSION 

Crashes in which the vehicle was traveling straight and the cyclist was moving in line with traffic were found 

to  result  in  the  greatest  number  of  cyclist  fatalities,  followed  by  crashes  in which  the  vehicle was  traveling 

straight and the cyclist was either crossing traffic or moving against traffic, respectively (Table 4). These three 

crash modes alone account for 74% of cyclist fatalities in crashes to the fronts of passenger vehicles. Including 

the  additional  460  cyclists  with  unknown movement  patterns  who  were  fatally  injured  by  straight‐moving 

vehicles, more  than 93% of cyclist  fatalities  in crashes  to  the  fronts of passenger vehicles occurred when  the 

vehicle was  traveling  straight.  The most  common  crashes  followed  a  different  pattern.  Although  the most 

common crash mode, in which the vehicle was traveling straight and the cyclist was crossing traffic, also was the 

second most common fatal crash scenario, the remaining two common crash modes were not among the most 

common fatal scenarios. The second and third most common crash modes involved the vehicle turning and the 

cyclist either crossing traffic or moving in line with traffic, respectively. The difference in crash patterns leading 

to  the  greatest number of  fatalities  and  those  leading  to  the greatest number of  crashes means  that  cyclist 

detection systems must focus on a variety of crash scenarios. Additionally, crash factors affect the numbers of 

fatalities and the total number of crashes differently. For example, while the majority of crashes occur at vehicle 

speeds less than 40 mi/h, only one‐third of fatalities occur below 40 mi/h (Table 3). To prevent the majority of 

crashes and fatalities, cyclist detection systems must function at vehicle speeds up to and greater than 50 mi/h. 

Cyclist detection systems that function at high speeds and in both daylight and non‐daylight conditions have the 

greatest  potential  to  prevent  cyclist  fatalities.  Existing  forward  collision  prevention  systems may  have  the 

potential  to  address  the  most  common  fatal  cyclist  crash  scenario,  straight‐in  line,  with  only  minor 

modifications.  These  systems  already  have  been demonstrated  to be  effective  at  reducing  the  frequency of 

property damage and bodily  injury  liability  insurance claims [9]. A more recent study  indicates that  low‐speed 

(≤50  km/h)  autonomous  emergency  braking  systems  reduce  real‐world  rear  impact  crashes  by  38%  [10]. 

Extending the  function of these systems to  include the capability to  identify cyclists may be possible with the 

sensing technology already deployed in many front crash prevention systems. This one crash scenario accounts 

for 6% of all cyclist crashes and 32% of fatal cyclist crashes (Table 9).  

Although  impacts  to  the  front of  the vehicle make up  the  largest portion of  cyclist  crashes and  fatalities, 

there  is a non‐trivial number of  crashes and  fatalities  that occur  to  the  right  side of  the vehicle  (Table 2). A 

detailed analysis of crashes to the sides of vehicles could guide the development of new technologies designed 

to prevent or mitigate another significant portion of cyclist crashes and fatalities. 

While  this  study  provides  guidance  for  the  development  of  cyclist  detection  and  collision  warning  and 

avoidance  systems,  it  is  subject  to  limitations.  First,  the  data  used  in  this  study  were  obtained  from  two 

databases, NASS GES and FARS, and are therefore subject to the limitations of the databases. Any errors made 

during  the  initial  coding  of  each  case  cannot  be  determined  and  are  present  in  the  data  set.  Second, 

discrepancies exist between the two databases. For crashes occurring in 2010 and later, the NASS GES and FARS 

databases use the same variables and field codes. For crashes occurring prior to 2010, each database follows a 

unique coding procedure and variables in one dataset do not necessarily correspond directly to variables in the 

other. Third, the variables coded in NASS GES and FARS do not provide a comprehensive view of the crash. For 

example, the variable driver view obstruction can take on many values describing what blocked the view of the 

driver, but the field does not provide information regarding to what degree the driver’s view was obstructed or 

for what period of  time  leading up  to  the crash. This  type of detailed  information would be beneficial  to  the 

development of cyclist detection systems. Finally, one fundamental limitation of all cyclist data in the NASS GES 

and  FARS  databases  is  the  way  in  which  cyclist movement  is  coded.  In  both  databases,  before  and  after 

standardization, cyclists and pedestrians are  treated collectively as “non‐motorist” person  types. While  there 

are some concessions made to account for their differences, like the bicycle helmet usage field, their movement 

patterns are characterized similarly. Codes  for non‐motorist movement are primarily derived  from pedestrian 

movement  styles,  rather  than  the movement patterns of  cyclists. More detailed  information  regarding  crash 

scenarios could be attained if the NASS GES and FARS databases coded cyclist movement in a manner similar to 

vehicle movement, reflecting the movement patterns cyclists are legally obligated to obey.  

IRC-15-50 IRCOBI Conference 2015

- 383 -

V. CONCLUSIONS  

The majority  of  all  crashes  involving  a  cyclist  and motor  vehicle occur  to  the  front of passenger  vehicles. Crashes in which the cyclist crosses the path of traffic are the most common in the United States, while the most common fatal crash mode involves a motor vehicle striking a cyclist moving along with traffic. Changes to traffic infrastructure and cyclist safety culture are vital in the effort to reduce these overrepresented traffic fatalities, but  vehicle  safety  systems  including  cyclist  detection  and  collision  warning  and  avoidance  also  have  the potential to greatly improve the safety of roadways for cyclists. For these types of systems to have the greatest possible benefit, it is important that they are designed with the most common and most severe crash scenarios in mind. Cyclist detection algorithms coupled with collision warning and crash avoidance systems designed with the three most common fatal scenarios and factors in mind could help mitigate or prevent up to 26% of crashes and cyclist injuries and 52% of fatalities. Systems designed with the remaining two most common crash modes in mind have the potential to mitigate or prevent up to an additional 21% of crashes, 22% of cyclist injuries, and 2% of cyclist fatalities, affecting a total of up to 47% of cyclist crashes, 48% of cyclist injuries, and 54% of cyclist fatalities.  

VI. REFERENCES  

[1]  National Highway Traffic Safety Administration. 2012 bicyclists and other cyclists  traffic safety  fact sheet. 

Report no. DOT HS‐812‐018. Washington, D.C.: U.S. Department of Transportation; 2014. 

[2]  Insurance  Institute  for  Highway  Safety.  Pedestrian  and  bicyclists  fatality  facts.  Insurance  Institute  for 

Highway Safety, Arlington VA, 2014. 

[3]  Pucher  J, Buehler R, Merom D, Bauman A. Walking and cycling  in the United States, 2001‐2009: evidence 

from the National Household Travel Surveys. American Journal of Public Health, 2011, 101(S1): S310‐S317. 

[4]  Reynolds  C,  Harris M,  Teschke  K,  Cripton  P, Winters M.  The  impact  of  transportation  infrastructure  on 

bicycling injuries and crashes: a review of the literature. Environmental Health, 2009, 8(1):47‐65. 

[5]  Jermakian  J.  Crash  avoidance  potential  of  four  passenger  vehicle  technologies.  Accident  Analysis  and 

Prevention, 2011, 43(3):732‐740. 

[6]   European New Car Assessment Programme. 2020 Roadmap. Brussels, Belgium. 2014. 

[7]   Kuehn M, Hummel T, Lang A. Cyclist‐car accidents – their consequences for cyclists and typical accident scenarios. Proceedings of the 24th International Conference on the Enhanced Safety of Vehicles, 2015, Gothenburg, Sweden. 

[8]  Jermakian J, Zuby, D. Primary pedestrian crash scenarios: factors relevant to the design of pedestrian detection systems. Insurance Institute for Highway Safety, Arlington VA, 2011. 

[9]  Moore M, Zuby D. Collision Avoidance Features: Initial results. Proceedings of the 23rd International Conference on the Enhanced Safety of Vehicles, 2013, Seoul, Republic of Korea. 

[10] Fildes B, et al. Effectiveness of low speed autonomous emergency braking in real‐world rear‐end crashes. Accident Analysis & Prevention, 2015, 81:24‐29. 

IRC-15-50 IRCOBI Conference 2015

- 384 -